39 lines
2.8 KiB
Markdown
39 lines
2.8 KiB
Markdown
|
Общее задание:
|
|||
|
|
Использовать регрессию по варианту для данных из курсовой работы, самостоятельно сформулировав задачу.
|
|||
|
|
Оценить, насколько хорошо она подходит для решения сформулированной вами задачи.
|
|||
|
|
|
|||
|
|
Задание по вариантам:
|
|||
|
|
Тема: Анализ данных Top 240 Recommended Restaurants in L.A. 2023
|
|||
|
|
Ссылка на датасет:
|
|||
|
|
https://www.kaggle.com/datasets/lorentzyeung/top-240-recommended-restaurants-in-la-2023?resource=download&select=top+240+restaurants+recommanded+in+los+angeles+2.csv
|
|||
|
|
|
|||
|
|
Задача для регрессии: предсказать рейтинг ресторана по их мировому рейтингу, звездному рейтингу, количеству отзывов и стилю
|
|||
|
|
|
|||
|
|
Запуск приложения: запуск файла app.py
|
|||
|
|
|
|||
|
|
Использованные технологии:
|
|||
|
|
|
|||
|
|
Flask: Веб-фреймворк для создания веб-приложений на Python.
|
|||
|
|
Pandas: Библиотека для обработки и анализа данных.
|
|||
|
|
Scikit-learn: Библиотека для машинного обучения, в данном случае, используется для реализации алгоритма Лассо-регрессии.
|
|||
|
|
Joblib: Используется для сохранения и загрузки модели машинного обучения.
|
|||
|
|
|
|||
|
|
Описание работы программы:
|
|||
|
|
|
|||
|
|
Загружаются данные из CSV-файла.
|
|||
|
|
Выбираются нужные столбцы, и столбец "Style" кодируется с использованием One-Hot Encoding.
|
|||
|
|
Данные разделяются на обучающий и тестовый наборы.
|
|||
|
|
Обучается модель Лассо-регрессии.
|
|||
|
|
Создается веб-приложение с использованием Flask.
|
|||
|
|
HTML-страница содержит форму для ввода данных о ресторане.
|
|||
|
|
Пользователь вводит данные (StarRating, NumberOfReviews, Style) и нажимает кнопку "Predict Rating".
|
|||
|
|
Введенные данные преобразуются, и модель делает предсказание рейтинга ресторана.
|
|||
|
|
Предсказанный рейтинг отображается на странице.
|
|||
|
|
|
|||
|
|
Пример входных данных:
|
|||
|
|
StarRating: 4.3
|
|||
|
|
NumberOfReviews: 2000
|
|||
|
|
Style: American (New)
|
|||
|
|
|
|||
|
|
Пример выходных данных:
|
|||
|
|
Предсказанный рейтинг: 3.8 (примерное значение, зависит от обученной модели и введенных данных).
|